Fundamentos Matemáticos em Machine Learning 

Conhecimentos de Base Recomendados

 Álgebra linear, Análise em R^n.

Métodos de Ensino

Aulas teóricas com exercícios de aplicações.

Resultados de Aprendizagem

A machine learning envolve um conjunto importante de conceito matemáticos cujo estudo é fundamental para quem quer perceber com profundidade os algoritmos e ser capaz de desenvolver novas técnicas. O objetivo deste curso é de formar os alunos em técnica de inteligência artificial pela sua vertente mais teórica, nomeadamente:

- compreender a natureza matemática dos dados;

- complementar a noção de métrica entre dados ou conjuntos de dados;

- perceber a construção de representante de um conjunto de dados ou cluster como minimizante de uma função custo;

- identificar a necessidade de reduzir a dimensão das componentes e assimilar a matemática da redução dimensional;

- ser capaz de construir e justificar matematicamente algoritmos de clustering ou de classificadores.

Estágio(s)

Não

Programa

Os conteúdos são:

1) O dados e a sua caracterização;

2) Métrica pontual e métrica entre conjuntos, noção de representantes;

3) A matemática do Clustering;

4) A matemática dos classificadores;

5) A redução dimensional e a sua análise matemática.

Docente(s) responsável(eis)

Stéphane Louis Clain

Métodos de Avaliação

Avaliação Final
Exame: 100.0%

Avaliação Continua
Frequência: 100.0%

Bibliografia

1) Charles Bouveyron, Gilles Celeux, T. Brendan Murphy, Adrian E. Raftery. Model-Based Clustering and Classification for Data Science With Applications in R. Cambridge University Press (2019), ISBN 9781108644181, DOI: https://doi.org/10.1017/9781108644181

2) Ethem Alpaydin. Introduction to Machine Learning, 4th edition (Adaptive Computation and Machine Learning series), The MIT Press (2020), ISBN-13 978-0262043793

3) Andriy Burkov. The Hundred-Page Machine Learning Book. freecomputerbooks.com (2019), ISBN-13 978-1999579500

4) Deisenroth, M.P., Faisal, A.A. and Ong, C.S. Mathematics for Machine Learning. Cambridge: Cambridge University Press (2020), ISBN: 9781108470049

5) Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Jonathan Taylor. An Introduction to Statistical Learning: with Applications in Python (Springer Texts in Statistics) (2023), ISBN-13 978-3031387463.